Predicting students' academic achievement with educational data mining: Using interaction data from learning management system
Başlık çevirisi mevcut değil.
- Tez No: 782949
- Danışmanlar: DR. ÖĞR. ÜYESİ ERGÜN AKGÜN
- Tez Türü: Yüksek Lisans
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Bu çalışmanın amacı, 2020-2021 eğitim-öğretim yılı güz döneminde GEP0322-Dijital Okuryazarlık dersine kayıt yaptıran öğrencilerin dönem sonu geçme notlarının sadece öğrenme yönetim sistemi etkileşim verileri kullanılarak tahmin edilmesidir. Özellik seçim tekniklerinin model performansı üzerindeki etkisini incelemek için farklı özellik seçim yöntemleri kullanılmıştır. Her durumda, farklı algoritmalar verimli bir şekilde çalışmış, ancak tahmin sonuçları aynı çıkmamıştır. Model değerleri arasında bazı küçük farklılıklar olsa da, birinin diğerinden daha iyi olduğunu söylemek için yeterli değildir. Yapılan çalışmalarda sırasıyla CatBoost regresörü (RMSE=14,27), Random Forest regresörü (RMSE=14,39) ve Extra Trees regresörü (RMSE=15,84) en iyi model olarak çıkmıştır.
Özet (Çeviri)
The purpose of this study is to predict the end-of-term passing grades of the students enrolled in the GEP0322-Digital Literacy course in the fall semester of the 2020-2021 academic year, using only learning management system interaction data. Different feature selection methods were used to examine the effect of feature selection techniques on model performance. In all cases, different algorithms worked efficiently, but their prediction results were not the same. While there were some minor differences between model values, it wasn't enough to say one was better than the other. CatBoost regressor (RMSE=14.27), Random Forest regressor (RMSE=14.39), and Extra Trees regressor (RMSE=15.84) were the best models in the conducted cases respectively.
Benzer Tezler
- İlk yıl öğrencilerinin akademik performansına etki eden faktörlerin araştırılması ve bu faktörlere bağlı olarak başarılarının tahminine yönelik bir karar destek sistemi tasarımı
A research on the factors effecting freshmen students performance and a decision support system design for predicting their academic achievement based on those factors
TUĞRUL CABİR HAKYEMEZ
Yüksek Lisans
Türkçe
2015
Eğitim ve ÖğretimSakarya ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. ERMAN COŞKUN
- Akademik başarının makine öğrenmesi yöntemleri ile tahmin edilmesi
Prediction of academic success by machine learning methods
ZEYNEP BARUT
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VOLKAN ALTUNTAŞ
- Öğretim yönetim sistemi üzerinde üniversite (lisans) düzeyindeki öğrenci hareketliliğinin veri madenciliği yöntemleriyle analizi
Analysis of student use of learning management system through data mining methods in undergraduate level
ÖZKAN ÖZBAY
Yüksek Lisans
Türkçe
2015
Eğitim ve ÖğretimBaşkent ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. HALİL ERSOY
- Öğrenci akademik performansının kestirilmesine ilişkin bir model önerisi: Veri madenciliğine dayalı bir çalışma
Model proposal related to predicting student academic performance: A study based on data mining
MURAT ALTUN
Doktora
Türkçe
2019
Eğitim ve ÖğretimAkdeniz ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. KEMAL KAYIKÇI
- Akademik başarının eğitsel veri madenciliği ve makine öğrenmesi teknikleri kullanılarak tahminlenmesi
Predicting academic achievement using educational data mining and machine learning techniques
AYŞE ALKAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR SEVLİ